工件的表面质量对零件可靠性、质量和使用寿命的影响至关重要。尽管各种基于计算机视觉的目标检测框架已经被广泛应用于工业表面缺陷检测场景，但由于面型的影响以及缺陷之间的混叠性，超精加工工件表面缺陷检测仍然具有挑战性。因此，提出了一种频率嵌入双分支参数预测网络来预测滤波参数，滤除掉型面信息从而使得缺陷特征更加显著。基于智能型面分析的预处理后，提出了一种基于级联区域神经网络感受野增强缺陷检测网络，将可变形卷积间隔地替换到高效网络的卷积模块中，有效地提高了主干网络特征提取的能力，然后重新选择特征图组成新的特征金字塔网络以提高效率，进一步提高网络性能。此外，还构建了具有滤波参数标注信息的滤波参数数据集UPP-CLS和具有缺陷类别及位置的缺陷检测数据集UPP-DET。模型在UPP-CLS上达到了85.36%的准确性，相较于现有网络提升3~5个百分点；在UPP-DET上达到了0.862的平均精度，相较于现有网络提升5.3%~7.8%。模型整体性能优于主流网络结构。源代码将在https：//gitee.com/zihaodl/detect_app上开源。

针对单道激光熔覆,利用数值模拟技术得到了激光熔覆过程的温度场;在Q235钢表面制备了Ni基激光熔覆层,基于材料相变理论分析了熔覆层不同深度位置微观组织的形成机理,并研究了添加CeO₂、TiO₂纳米颗粒对熔覆层组织的影响。结果表明:在激光熔覆过程中,在激光辐照和热传导的共同作用下,熔覆层和基体不同深度区域因温度变化的差异而发生不同类型的相变,从而得到不同的微观组织;在熔覆粉末中添加CeO₂、TiO₂纳米颗粒,可以通过影响材料的相变过程而改变熔覆层的化学组成和微观结构,提高形核率,得到组织均匀细小的熔覆层。

基于热-结构间接耦合非线性有限元分析,在不同的激光工艺参数下,利用ANSYS生死单元技术对激光熔覆的温度场和应力场进行了数值模拟,研究了激光功率和扫描速度对温度场和应力场分布规律的影响。结果表明,通过分析有限元模型的温度分布规律和试件金相组织的形貌特征,验证了该模型的可靠性;熔覆层温度变化分为脉冲式急速上升和呈双曲线形状下降两个阶段;沿激光扫描方向,熔覆层表面多个节点的温度-时间曲线具有逐渐增大的峰值;熔覆层与基体结合面中部沿Z轴方向,靠近固定端应力较大,基底中部沿X轴方向应力呈W状对称分布,自由端中部沿Y轴方向,熔覆层和基体结合处易产生应力集中和突变。

通过同步送粉方式在Q235钢基材表面制备了添加不同质量分数纳米TiO₂和CeO₂的Ni基激光熔覆层,分析了熔覆层的表面形貌、显微组织和物相组成,并测定了熔覆层的硬度和耐腐蚀性。结果表明,在Ni基合金粉末中同时加入TiO₂和CeO₂,可以充分发挥二者的性能,得到组织均匀细密、无裂纹、耐腐蚀性较高的熔覆层,也可改善Ni基激光熔覆层的组织结构并提高其性能。